Na žalost turista koji planiraju ljetni izlet, vrijeme je nevjerojatno kapriciozna i nepredvidiva stvar. Male promjene kiše, temperature, vlage, brzine vjetra ili smjera vjetra mogu mijenjati uvjete na otvorenom tijekom sati ili dana. Stoga se vremenske prognoze obično ne prave više od sedam dana u budućnosti - i zato piknici zahtijevaju planove za izvanredne situacije.
Ali što ako bismo mogli dovoljno dobro razumjeti kaotični sustav da predvidimo kako će se ponašati daleko u budućnosti?
Možete li predvidjeti vrijeme za godinu?
U siječnju 2018. znanstvenici su uspjeli. Koristili su strojno učenje kako bi precizno predvidjeli ishod kaotičnog sustava tijekom mnogo dužeg razdoblja nego što se mislilo da je moguće. A stroj je to učinio jednostavno promatrajući dinamiku sustava, nemajući pojma o jednadžbama koje stoje iza njega.
Strahopoštovanje, strah i uzbuđenje
Već smo se počeli navikavati na nevjerojatne manifestacije umjetne inteligencije.
Prošle godine program pod nazivom AlphaZero u samo je jedan dan naučio je pravila igre šaha, a zatim pobijedio najbolji svjetski šahovski softver. Također je naučila igrati Go i nadmašila je bivšeg prvaka za siliciju, algoritam AlphaGo Zero, koji se poboljšao u igri pokušajem i pogreškama nakon što su se hranili pravilima.
Promotivni video:
Mnogi od ovih algoritama polaze od čistog stanja blaženog neznanja i brzo stiču znanje gledajući postupak ili igrajući protiv sebe, poboljšavajući se na svakom koraku tisućama puta u sekundi. Njihove sposobnosti nadahnjuju osjećaje straha, strahopoštovanja, uzbuđenja. Često čujemo za kaos u koji mogu jednog dana uroniti čovječanstvo.
Ali mnogo je zanimljivije što će umjetna inteligencija raditi s naukom u budućnosti s njezinim „razumijevanjem“.
Savršeno predviđanje znači razumijevanje?
Vjerojatno će se većina znanstvenika složiti da predviđanje i razumijevanje nisu ista stvar. Razlog leži u mitu o podrijetlu fizike - i, moglo bi se reći, moderne znanosti općenito.
Činjenica je da su ljudi već više od tisuću godina koristili metode koje je predložio grčko-rimski matematičar Ptolemej za predviđanje kretanja planeta nebom.
Ptolomej nije znao ništa o teoriji gravitacije niti da je sunce centar Sunčevog sustava. Njegove su metode uključivale obredne proračune pomoću krugova unutar krugova. I dok su prilično dobro predviđali planetarno kretanje, nitko nije razumio zašto to djeluje ili zašto se planete pridržavaju tako naoko složenih pravila.
Zatim su tu bili Kopernik, Galileo, Kepler i Newton.
Newton je otkrio temeljne diferencijalne jednadžbe koje upravljaju kretanjem svake planete. Uz njihovu pomoć bilo je moguće opisati svaki planet u Sunčevom sustavu. I to je bilo sjajno jer smo razumjeli zašto se planeti kreću.
Rješavanje diferencijalnih jednadžbi pokazalo se učinkovitijim načinom predviđanja gibanja planeta u usporedbi s Ptolomejevim algoritmom. Važnije je, međutim, da nam je vjerovanje u ovu metodu omogućilo otkrivanje novih nevidljivih planeta, zahvaljujući zakonu univerzalne gravitacije. Objasnio je zašto rakete lete i padaju jabuke, a također i zašto postoje mjesečevi i galaksije.
Ovaj osnovni obrazac - pronalaženje skupa jednadžbi koji opisuje ujedinjujući princip - uspješno se upotrebljavao u fizici iznova i iznova. Ovako smo definirali Standardni model, vrhunac pol stoljeća istraživanja fizike čestica, koji precizno opisuje strukturu svakog atoma, jezgre ili čestice. Ovo je način na koji pokušavamo razumjeti super temperaturu superprevodljivosti, tamne materije i kvantna računala. (Neopravdana učinkovitost ove metode čak je postavila pitanja zašto se svemir toliko dobro podvrgava matematičkom opisu.)
Kroz znanost, razumijevanje nečega znači povratak na izvornu shemu: ako možete složiti složeni fenomen na jednostavan skup načela, razumjet ćete ga.
Izuzeci od pravila
Pa ipak, postoje neugodne iznimke koje pokvare ovu lijepu priču. Turbulencija je jedan od razloga zašto je teško predvidjeti vrijeme - sjajan primjer fizike. Velika većina problema iz biologije, od zapletenih struktura u druge strukture, također prkosi objašnjenju jednostavnim načelima objedinjavanja i pojednostavljenja.
Iako nema sumnje da su atomi i kemija, a samim tim i jednostavni principi na kojima su ti sustavi, opisani univerzalno učinkovitim jednadžbama, ovo je prilično neučinkovit način stvaranja korisnih predviđanja.
Istodobno, postaje očito da se ovi problemi lako podležu metodama strojnog učenja.
Baš kao što su stari Grci tragali za odgovorima od mističnog delfskog orakla, tako ćemo tražiti odgovore na najsloženija pitanja znanosti iz svemogućih orkula s umjetnom inteligencijom.
Takvi stručnjaci već voze autonomna vozila i biraju ciljeve ulaganja na burzi, a vrlo brzo će predvidjeti koji će lijekovi biti učinkoviti protiv bakterija - i kakvo će biti vrijeme za dva tjedna.
Oni će napraviti ta predviđanja s najvećom preciznošću o kojoj nikada nismo sanjali, bez upotrebe matematičkih modela i jednadžbi.
Moguće je da će, naoružani podacima o milijardnim sudarima na Velikom hadronskom sudaraču, bolje funkcionirati u predviđanju ishoda eksperimenta s česticama nego čak i voljeni Standardni model.
Poput neobjašnjivih izvora objave sveštenika Delphi, ni naši proroci AI neće vjerojatno moći objasniti zašto tako predviđaju, a ne drugačije. Njihovi će se zaključci temeljiti na mnogim mikrosekundama onoga što bi se moglo nazvati "iskustvom". Oni će biti poput neobrazovanog poljoprivrednika koji zna kako točno predvidjeti kako će se vrijeme promijeniti, "jer kosti boli" ili druge predosjećanja.
Znanost bez razumijevanja?
Posljedice rada strojne inteligencije u području znanosti i filozofije znanosti mogu biti zapanjujuće.
Primjerice, suočavajući se sa sve preciznijim predviđanjima, iako ćemo dobiti metodama koje su čovjeku nerazumljive, poreći ćemo da strojevi imaju bolje znanje od nas?
Ako je predviđanje zaista glavni cilj znanosti, kako bismo trebali modificirati znanstvenu metodu, algoritam koji nam stoljećima omogućuje prepoznavanje pogrešaka i njihovo ispravljanje?
Ako se odreknemo razumijevanja, ima li smisla raditi u znanosti koju smo radili?
Nitko ne zna. Ali ako ne možemo artikulirati zašto je znanost više od sposobnosti dobrog predviđanja, znanstvenici će uskoro ustanoviti da "istrenirana umjetna inteligencija svoj posao obavlja bolje od sebe."
Ilya Khel
